رويكرد ي جديد براي فشرده سازي ابرنقطه اي پويا براساس كيفيت ادراكي محتوا
دانشکده فنی و مهندسی رسانه
کارشناسی ارشد- مهندسی صدا
محی الدین مرادی
محمد علی سبقتی
فربدرزازی
-----
-------
1402-12-26
چکیده پایان نامه ابر نقطهاي مجموعهاي از نقاط تعبيهشده در فضاي سهبعدي است و حامل اطلاعات مختصات هندسي و خصوصيتها است. ابرهاي نقطهاي حجم عظيمي از دادهها را حمل ميكنند. با توجه كاربردهايي كه در آينده نزديك براي ابرنقطه اي پويا درنظرگرفته شده، ذخيره سازي و انتقال اين داده به صورت بلادرنگ مورد نياز است. اطلاعات مختصات ابرنقطه اي نسبت به داده هاي ويدئويي و تصويري ماهيت نامنظم دارند و پردازش و فشرده سازي آن ها چالش برانگيز است. هدف اين پايان نامه ارائه معماري مبتني بر شبكه عصبي كانولوشني براي فشرده سازي اطلاعات مختصات ابرنقطه اي است، به نحوي كه از تخمين درون فريمي براي بهنيه شدن نرخ استفاده شود. نتايج معماري پيشنهادي در تمام نرخ ها نسبت به معماري PCGCv۲ بهبود داشته است. نتايج اين معماري نسبت به كدك V-PCC در نرخ هاي بالا از بهبود داشته است. معماري پيشنهادي كه codec_A نام دارد، با معماري پايه DDPCC در نرخ هاي مختلف بر اساس معيار ارزيابي كيفت بصري مقايسه شده تا براي هر محتواي خاص، شبكه اي كه بهينه عمل ميكند انتخاب شود ، به اين ترتيب از بهينه سازي خاص براي فشرده سازي هر محتوا استفاده كرده ايم.